視頻監(jiān)控中的行人檢測及行為分析方法研究.pdf

1、在現(xiàn)代社會中，視頻監(jiān)控系統(tǒng)隨處可見。視頻監(jiān)控系統(tǒng)使人們的工作生活更加方便，更加安全，提高了效率。然而，目前視頻監(jiān)控網(wǎng)絡(luò)多數(shù)只停留在原始視頻的錄像階段。雖然有些系統(tǒng)具有移動偵測報警的功能，但實際監(jiān)控任務(wù)大部分仍是由人工來完成。隨著視頻監(jiān)控規(guī)模逐漸擴大，依靠人工方式進行實時監(jiān)控所暴露出來的局限性越發(fā)突出，既沒有足夠多數(shù)量的屏幕供觀看，也不可能安排足夠多的人員24小時盯著屏幕看，同時面臨著海量視頻數(shù)據(jù)檢索的問題。因此對于利用計算機視覺的相關(guān)技

2、術(shù)實現(xiàn)智能化的視頻監(jiān)控系統(tǒng)的需求越來越迫切。
　　 行人檢測和行為分析是智能視頻檢測中的一個重要的研究熱點和領(lǐng)域。研究行人檢測和行為分析對只能視頻監(jiān)控的發(fā)展有非常重要的意義。本文研究視頻監(jiān)控中的行人檢測和行為分析問題。尤其是要從計算機視覺的角度出發(fā)構(gòu)建一個對象檢測器，對實時視頻中的對象進行搜索并對它們進行檢測。從圖像序列中找到關(guān)心的對象，即行人，并且能夠標(biāo)記身體的不同部位，對行為進行簡單的分類。更確切地說就是達到對象檢測器的兩個

3、目標(biāo)：確定圖像區(qū)域中的行人和行為類型。
　　 本文將行人檢測和行為分析分開進行，即首先將行人檢測出來，再對確定包含行人的圖像處理，識別其行為。對于行人檢測算法中運用到的主要圖像特征以及提取方法，本文采用HOG梯度特征的方法，確定圖像中是否包含行人。得到行人的身體特征之后，擬使用人體檢測算法中經(jīng)常運用到的SVM分類器對物體進行分類。在行為分析部分，將Active Basis引入行為分析系統(tǒng)，對行為簡單分類。
　　 在實驗室